论文笔记Pedestrian Attribute Recognition（PAR）: A Survey

Pedestrian Attribute Recognition（PAR）: A Survey

Abstract

本文目的：回顾一下最近的行人属性工作
1、研究背景？相关概念 and 挑战
2、现存的benchmark？
3、multi-task and multi-label learning
4、popular solutions for this task
5、some applications：考虑到这些行人属性之后，识别结果更好？
6、给出possible research directions

本文结构

主要包括：

2、introduction

2.1、 PAR概念

predict a group of attributes to describe the characteristic of this person from a pre-defined attribute list ；

**行人属性识别，从预定义的属性列表中预测一组属性来描述该人的特征;**下面是文中的一张图，比如，红框框中识别出来这个人的属性有：短发，纸袋子，黑裤子，白鞋子，男性，蓝色自行车等

2.2、why attribute？

传统的比如HOG、SIFT等可称为一些低水平的特征，而属性可以被认为是高水平信息，面对视角转换等变化时鲁棒性更强
Different from low-level features, such as HOG, LBP or deep features, attributes can be seen as high-level semantic information which is more robust to viewpoint changes and viewing condition diversity.
所以，比如在行人重识别，行人检测这些研究中，都会把属性考虑进去， to achieve better performance

2.3、challenging factors of PAR

（1） Multi-views
由于摄像机用过不同角度进行采样导致的视角问题；
（2） Occlusion
行人密集导致一些人体被遮挡；
（3） Unbalanced Data Distribution
没个行人都有一些不同的属性，所以个体属性个数的不一致会导致样本不平衡的问题；
（4） Low Resolution
由于好的摄像机成本比较大，现实场景中低分辨率的图片占大多数；
（5） Illumination
光照问题，不同时间段采集到的图片样本光照